php html_entity_decode使用总结

在处理网页字符串的时候，尤其是做爬虫类的应用时，经常会涉及到要处理的字符串中包含html标签，现在对这类字符串的处理做一个小的总结：

有时候获取到的字符串中有html标签，在入库的时候出于安全的考虑通常会对这样的字符串做转义处理，例如：

$a = '<div><p>11111</p></div>';
$b = htmlentities($a);
file_put_contents('./a.txt',$b);
echo $b;

在网页上显示是这样的：<div><p>11111</p></div>

但是如果echo $a;那么网页上只会显示：11111

由此可见，如果不转义，那么字符串里面的html标签就会被解析（如果是恶意代码，就会被执行），转义后会被当做字符串输出。

在来看看被转义后的$b，

<div><p>11111</p></div>

如果要反转义$b,那么使用php函数html_entity_decode,例如：

$a = '<div><p>11111</p></div>';
$b = htmlentities($a);
$b = html_entity_decode($b);
file_put_contents('./a.txt',$b);
echo $b;

这时网页上显示11111，$b的值此时就是$a,

最近做了一个需求，像这种带html标签的字符串入库的时候需要转义保留，在页面上显示的时候在反转义。然而客户端需要这些数据的时候需要过滤掉这些html标签，所以给客户端的字符串需要过滤掉html标签，

$b = '&lt;div&gt;&lt;p&gt;11111&lt;/p&gt;&lt;/div&gt;'

返还给客户端的字符串，

$b = html_entity_decode($b);

过滤所有的html标签：

$pattern = array(

"@<script(.*？)</script>@is", //过滤掉js代码

"@<iframe(.*?)</iframe>@is",//过滤掉iframe

"@<style(.*?)</style>@is",//过滤掉css

"@<(.*?)>@is" //过滤html标签

);   

foreach($pattern as $k => $v){

$b = preg_replace($v,"",$b);

}

echo $b; //输出11111,html标签都被过滤掉了

有时候需要过滤掉某一个标签之外的其他html标签，那改怎么办呢？

"@<[^img](.*?)>@is" //过滤除了img标签之外的其他html标签